AI 과대 광고에서 실용성에 이르기까지 : 기업은 플래시보다 우선 순위를 정해야합니다.

자율적 변화의 시대에 더 깊이 들어가면서, AI 에이전트는 기업이 기능하고 가치를 창출하는 방식을 재구성하고 있습니다. 하지만 수많은 공급업체가 그들의 "AI 에이전트"를 내세우며 떠들썩하게 광고하는 가운데, 소음을 걸러내고 이 시스템들이 실제로 무엇을 할 수 있는지, 그리고 결정적으로 우리가 이를 어떻게 사용해야 하는지를 정확히 파악하기는 어렵습니다.

자동화할 작업을 나열하고 AI 에이전트를 벤치마크에 대해 테스트하는 것만큼 간단하지 않습니다. 식료품점에 빠르게 가기 위해 제트기를 선택하는 것이 과도한 것처럼, 우리는 AI를 업무에 통합하는 방식에 대해 더 비판적으로 생각할 필요가 있습니다.

왜 AI 에이전트로 우리의 일을 대체하려고 해서는 안 되는가

모든 조직은 고객, 파트너, 직원에게 가치를 제공하기 위해 노력합니다. 이 가치는 조직이 제공하는 대상의 요구와 욕구를 고려할 때, 조직이 잠재적으로 창출할 수 있는 가치의 일부에 불과합니다.

직원들이 내일의 작업 목록과 우선순위를 낮춰야 했던 작업 목록—만약 처리되었다면 가치를 더했을 작업들—로 하루를 마무리할 때, 잠재적 가치와 실제 가치 창출 사이에 간극이 있음이 분명해집니다. 이는 테이블 위에 활용되지 않은 가치를 남겨둡니다.

AI 에이전트를 구현하기 위한 명백한 출발점은 기존 작업과 그로 인해 발생하는 가치를 살펴보는 것입니다. 즉각적인 이점은 쉽게 알 수 있습니다: 작업을 더 빠르고 안정적으로 자동화하는 것입니다. 이 접근법은 변화 전략의 일부로 유효하지만, 많은 조직이 빠지는 함정은 이미 창출하고 있는 가치를 향상시키는 데만 집중하는 것입니다. 이는 아래의 벤 다이어그램에서 보여지듯이, 그들의 비전과 투자를 잠재력의 작은 부분에 제한하여, 다룰 수 있는 가치의 많은 부분을 손대지 않은 채로 남겨둡니다.

인간과 기계는 고유한 강점과 약점을 가지고 있습니다. 비즈니스, 기술, 산업 파트너와 협력하여 워크플로우를 재설계하는 기업은 기존 가치를 자동화하는 데만 집착하며 전체 가치 출력을 확장하지 않는 기업을 능가할 것입니다.

SPAR 프레임워크를 통한 AI 에이전트 역량 이해

AI 에이전트가 어떻게 기능하는지 명확히 하기 위해, 우리는 SPAR 프레임워크를 개발했습니다: 감지, 계획, 실행, 반성. 이 모델은 인간이 목표를 추구하는 방식을 반영하며, AI 에이전트의 작동을 직관적으로 볼 수 있는 렌즈를 제공합니다.

감지

우리가 주변 환경을 이해하기 위해 감각을 사용하는 것처럼, AI 에이전트는 환경에서 데이터를 수집합니다. 그들은 트리거를 감지하고, 관련 정보를 수집하며, 운영 컨텍스트를 추적합니다.

계획

감지 후, AI 에이전트는 즉시 행동에 돌입하지 않습니다. 인간이 선택지를 저울질하듯, 이들 에이전트는 목표와 제약을 고려하여 데이터를 분석하고 목표를 달성하기 위한 전략적 결정을 내립니다.

실행

행동을 실행할 수 있는 능력은 AI 에이전트를 단순한 분석 도구와 구별 짓습니다. 그들은 다양한 도구와 시스템을 조율하여 작업을 수행하고, 실시간으로 진행 상황을 모니터링하며, 필요에 따라 조정하여 목표를 유지합니다.

반성

가장 진보된 기능은 경험에서 배우는 능력일 것입니다. 정교한 AI 에이전트는 자신의 성과를 평가하고, 결과를 면밀히 검토하며, 효과적인 것으로 입증된 것을 바탕으로 방법을 개선하여 지속적인 개선의 사이클을 촉진합니다.

AI 에이전트의 힘은 이 네 가지 역량의 원활한 통합에 있으며, 점점 더 정교하게 복잡한 목표를 처리할 수 있게 합니다. 이 접근법은 종종 최적화된 기존 프로세스와 대조되며, 여기서 점진적인 개선은 제한된 이익을 가져올 수 있습니다. 가치 창출과 시장 개발을 위한 새로운 길을 탐색하면 기하급수적인 성장이 가능합니다.

AI 에이전트 전략 구축을 위한 5단계

많은 기술자, 컨설턴트, 비즈니스 리더가 따르는 전통적인 AI 도입 방법은 87%의 실패율을 보입니다:

1. 해결할 문제를 나열;
2. 또는:
3. 데이터를 검토;
4. 잠재적 사용 사례를 선택;
5. ROI, 타당성, 비용, 일정을 기준으로 사용 사례를 평가;
6. 일부 사용 사례를 선택하여 실행에 투자.

이 방법은 널리 받아들여지는 모범 사례로 보일 수 있지만, 증거는 효과적이지 않음을 보여줍니다. 새로운 전략이 필요합니다:

1. 조직의 핵심 역량과 시장의 규제 및 지정학적 환경을 고려하여 고객과 파트너에게 제공할 수 있는 총 잠재적 가치를 매핑;
2. 조직의 현재 가치 창출 평가;
3. 새로운 중요한 가치를 창출하고 잠재적으로 새로운 시장을 열 수 있는 상위 5개 기회 식별;
4. AI 에이전트 솔루션을 개발하기 위해 ROI, 타당성, 비용, 일정을 기준으로 이러한 기회를 평가(필요 시 3, 4단계 반복);
5. 가치 사례의 일부를 선택하여 실행에 전념.

AI로 새로운 가치 창출

자율적 변화로의 여정에 착수하는 것은 경주가 아니라, 조직의 역량이 기술적 발전과 함께 성장하는 전략적 진화입니다. 가치를 명확히 이해하고 야망을 체계적으로 확장함으로써, 조직은 AI 에이전트의 시대에 번영할 수 있습니다.

Brian Evergreen은 의 저자입니다

Pascal Bornet은 의 저자입니다

Evergreen과 Bornet은 Cassie Kozyrkov와 함께 AI 에이전트에 관한 새로운 온라인 강의 를 제공하고 있습니다